Aunque la lógica es semejante existen algunas cuestiones en la implementación que tenemos que considerar para crear aplicaciones eficientes, segurar y robustas.

Oracle pone a nuestra disposición “The Underground PHP and Oracle Manual”, Ebook escrito por Christopher Jones y Alison Holloway que nos dará toda la información que necesitamos para ingresar al mundo de Oracle y PHP.

http://www.oracle.com/technology/tech/php/pdf/underground-php-oracle-manual.pdf

MySQL nos ofrece en este paper las estrategias para utilizar esta base de datos como Dara Warehouse.

Enterprise Data Warehousing with MySQL en Google Docs

También lo puedes descargar después de generar una cuenta en el sitio de MySQL White papers.

Visual_Guide_to_Installing_MySQL_Windows.pdf en Google Docs

Lo puedes descargar después de generar una cuenta en el sitio de MySQL.

http://www.mysql.com/why-mysql/white-papers/visual_guide_to_installing_mysql_windows.php

En un proyecto en el que me encuentro trabajando estoy por introducir un sistema de tags para asignar metadatos a una serie de recursos. El punto sobre el que estoy trabajando es en la definición del esquema de la base de datos que me permita añadir tags de forma flexible logrando realizar búsquedas sobre esta información.

Un excelente recurso que encontré es la página de Philipp Keller en la cual nos plantea tres esquemas diferentes:

Solución “MySQLicious”. Una sola tabla sin normalizar. Implementación sencilla pero presenta limitantes en el número de tags a asignar.

Solución “Scuttle”. Se presenta una tabla de categorías adicional. Presenta mejor normalización y flexible en cuanto al número de tags.

Solución “Toxi”. Tres tablas en la cual cada tag tiene una relación N a M con las entidades.

Philipp nos explica a detalle cada uno de estos esquemas y nos ofrece claros ejemplos de consultas que vamos a necesitar para las diferentes operaciones.

http://www.pui.ch/phred/archives/2005/04/tags-database-schemas.html

También nos ofrece pruebas de rendimiento que nos ayudarán en la adopción del mejor esquema.

http://www.pui.ch/phred/archives/2005/06/tagsystems-performance-tests.html

Los tag clouds o nubes de tags son representaciones visuales de las palabras claves de un sitio. En mi investigación sobre recursos de tags me encontré este sitio muy entretenido que te permite generar nubes de tags con interesantes diseños ya sea de un texto o una página. Genera muy buenos resultados.

http://www.wordle.net/
Me ayudo a generar el siguiente tag cloud de la Canción de las Noches Perdidas de Joaquin Sabina.

Por ejemplo, digamos que tenemos una tabla con la siguiente estructura:

Si ejecutamos un Query agregado, por ejemplo
select categoria, sum(ventas) from tabla Group by categoria

Nos arroja el siguiente resultado que es la suma de todas las ventas por categoría de producto.

Al añadir el ROLLUP MySQL agrega una fila con la sumatoria total de todas las categorías.

select categoria, sum(ventas) from tabla Group by categoria with rollup

Al añadir mas columnas al group by y  cuando existe un cambio de valor, la consulta  regresa una fila adicional con los valores agregados. Por ejemplo en nuestra consulta anterior podemos solicitar que nos regrese el valor de la sumatoria por país.

select pais,categoria, sum(ventas) from tabla Group by pais,categoria

Esta función resulta muy útil al momento de efectuar reportes o al ser incorporada en Procesamiento Analítico de datos.
Revisa la documentación para conocer mas detalles y ejemplos de esta función.

http://dev.mysql.com/doc/refman/5.0/es/group-by-modifiers.html

Es necesario conocer la forma en que MySQL almacena los datos para poder efectuar elecciones correctas acompañado de un estudio sobre el tipo de datos y entradas que nuestros usuarios estarán efectuando. Una vez sobre la marcha tenemos una herramienta integrada en MySQL muy útil que efectúa un análisis sobre nuestras columnas y nos ofrece una recomendación sobre el tipo de dato óptimo.

Esta es procedimiento que se llama ANALYSE() y lo podemos ejecutar de la siguiente forma:

select * from tabla PROCEDURE ANALYSE()

Nos arroja datos interesantes de nuestros datos como los valores y tamaños mínimos y máximos y al final vemos el tipo de dato recomendado. Es importante recordar que es solamente una recomendación y que antes de cambiar los tipos de datos de nuestras columnas tenemos que considerar otras variables como el crecimiento esperado de los datos y posibles nuevos requerimientos. Esta es solo una herramienta que nos permite encontrar errores y puntos de optimización en nuestros esquemas.

Por ejemplo, consideremos la siguiente tabla la cual contiene ciudades y el código del país al que pertenecen:

select * from ciudades

Podemos agrupar la tabla por el código de país:

select codigo_pais,count(*) as count_ciudades from ciudades group by codigo_pais

El cual nos indica la cantidad de valores que han sido agrupados utilizando la columna codigo_pais.

Con la función GROUP_CONCAT podemos conocer todos los países que fueron agrupados:

select codigo_pais,<strong>group_concat</strong>(ciudad) as ciudades from ciudad group by codigo_pais

La cual nos muestra los resultados concatenados y separados por una coma.

Este pequeño ejemplo nos permitirá usar dos herramientas, las funciones de agregación y las funciones condicionales, los que nos permitirá filtrar datos de una consulta agregada. Lo que vamos a obtener es el valor máximo de una serie de datos basándonos en una o más reglas.

Pongamos por ejemplo el anterior conjunto de datos. Representa una serie de tareas (A, B, C y D, definidas en la columna nombre) que constan de varios pasos (enumerados en la columna paso) para ser completadas. Cada tarea tiene diferente números de pasos y cada paso representa un porcentaje diferente de terminación.

El valor porcentual acumulado de la tarea es representado en el campo valor. Podemos ver que la tarea D tiene 4 pasos, y al completarse cada paso se lleva terminado en un 20, 40, 65 y 100% respectivamente.

Marcamos en el campo bandera los pasos hemos terminado. Una vez terminado un paso marcamos la bandera con uno por lo que sabremos siempre en que paso estamos. Podemos ver en los datos de ejemplo que la tarea A esta en el paso 2 con 34% de terminación.

Ahora, lo que queremos obtener en una sola consulta, es el porcentaje en el que todas las tareas se encuentran. Que seria el siguiente resultado.

El primer paso es agregar todos los resultados. Lo que nos permitirá empezar a ejecutar operaciones sobre los datos.

select  *  from tabla  group by nombre

Una primera consulta rápida podría ser:

select nombre,  max(valor)   from tabla where bandera=1 group by nombre

select nombre, valor   from tabla where bandera=1

Y usando:

select nombre,  max(valor)   from tabla group by nombre

Simplemente nos regresa los valores máximos de todas las tareas (100)

Tendremos que usar una condición en la expresión de las columnas para definir que solo tome en cuenta los valores de los pasos que ya fueron completados.

La función if esta definida como:

IF(expr1,expr2,expr3)

En donde la expr1 es evaluada, y si es verdadera regresa la expr2, si es falsa regresa la expr3.

Entonces podemos decirle que evalué la columna bandera, y que si esta es 1, entonces nos regrese el valor original, y si es falso, regrese nulo, o 0, ya que es un valor que no consideraremos:

if(bandera=1,valor,0)

Lo que ejecutado sin la agrupación nos regresa lo siguiente:

select nombre,  if(bandera=1,valor,0)   from tabla

Podemos apreciar que de esta forma, ya fácilmente podemos obtener el valor máximo usando la función max, ya que han sido eliminados los valores de los pasos no completados

select nombre,  max(if(bandera=1,valor,0))   from tabla
group by nombre

Lo que nos regresa los valores que deseamos.

Este es un ejemplo de las muchas cosas que se pueden hacer mezclando las diversas funciones que nos proporciona mysql.